Aktuelle Forschungsprojekte

Image Energieeffizienzbewertung und optimierte Betriebsführung von gewerblichen Kälteanlagen
Image Elektronische Multifunktionsmodule für kryogene Anwendungen
Image RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen
Image Innovatives Tieftemperaturkühlsystem zur Rekondensation / Verflüssigung von technischen Gasen bis 77 K
Image Druckfestigkeitsprüfung von CO2 Anlagen
Image Thermische Speicherung mit PCM
Image Prüfverfahren für elektrische Komponenten
Image Tieftemperatur-Materialprüfkammer
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Innovativer magnetbasierter Parawasserstoffkonverter
Image Energieeffizienzberatung Kraft-Wärme-Kälte
Image Füllmengenreduzierung
Image Strahltechnikentwicklung mit Wassereis-Strahlmittel
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Aktives Schichtladesystem für Kaltwasserpufferspeicher

Sie befinden sich hier:  Startseite /  Forschung und Entwicklung


Klimatechnik-Betriebsoptimierung mittels maschinellem Lernen

BMWi Euronorm Innokom

01/2019–05/2021

Dr.-Ing. Thomas Oppelt

+49-351-4081-5321

in Bearbeitung

Klimasysteme intelligent regeln – hoher Komfort bei niedrigem Energiebedarf

Motivation

Die Energieeffizienz vieler klimatechnischer Systeme bleibt im Betrieb deutlich unterhalb des bei der Planung prognostizierten Wertes. Eine Ursache dafür ist, dass insbesondere komplexe Systeme mit mehreren Erzeugern, Speichern und Abnahmestellen häufig nicht optimal betrieben werden.

Ziel des Projekts

Entwicklung eines Betriebsoptimierungs-Tools für klimatechnische Systeme unter Verwendung von Methoden des maschinellen Lernens (ML) und Daten aus dem digitalen Gebäudemodell (Building Information Model, BIM):

  • Optimierungsziel: hohe Energieeffizienz bei gleichzeitig hoher Nutzerzufriedenheit
  • Einsparung von Betriebskosten, Energie und Kohlendioxidemissionen durch Effizienzsteigerung
  • fortlaufende selbstständige Verbesserung des ML-Algorithmus durch Lernen aus neuen Messdaten mit autoadaptiver Reaktion auf sich ändernde Bedingungen (Gebäude, Anlage, Nutzung, Smart-Meter für Echtzeitabrechnung von Energie und Medien, etc.)

Lösungsansatz

  •  Abbildung des thermisch-energetischen Verhaltens des realen Systems im Maschinen-Lern-System, Anlernen mittels BIM- und Messdaten sowie anhand eines digitalen Zwillings des Realsystems
  • Nutzung von ML-Methoden zur Prognose von Lasten (Wetter, Nutzungsverhalten)
  • automatische Klassifikation von Nutzungsszenarien, Fehlerdetektion
  • Integration verfügbarer Tools zur effizienten Raumströmungssimulation sowie zur Energiebedarfsberechnung
  • Co-Validierung von Optimierungstool, experimentellen Untersuchungen und digitalem Zwilling

Interessiert?

Treten Sie mit uns in Kontakt, wenn wir Ihr Interesse an einer Zusammenarbeit
geweckt haben: klima@ilkdresden.de


Ihre Anfrage zum Projekt

Weitere Projekte - Forschung und Entwicklung

Image

Innovativer Helium-Kleinverflüssiger

Verflüssigungsraten von 10 bis 15 l/h

Image

Wasserstoff- und Methan-Versuchsfeld am ILK

Gleichzeitig Drücke bis 1000 bar, Temperaturen bis –253°C

Image

Heliumgewinnung aus Erdgas

Innovative Lösungswege zur Heliumgewinnung

Image

Mikrofluidisches Expansionsventil

zur Erhöhung der Energieeffizienz von Klein- und Kompaktkältegeräten

Image

Zertifizierbare Verbindungsarten in der Kryotechnik

Lösbare und unlösbare Verbindungen, Stoffschluss / Formschluss / Kraftschluss